Tesla says fixes on Full Self-Driving’s two biggest issues are on the way

テスラのAI技術責任者が、自動運転システム「Full Self-Driving」の二つの大きな問題の修正が近いうちに実装されると公言した。ポットホール回避とナビゲーション機能の改善が対象である。

Full Self-Drivingは現在、ドライバーが常に車の動きを監視する必要がある「監視下での自動運転」の段階にとどまっている。その大きな制限要因が、路面の急激な変化への対応不足とルート選択の問題である。特にポットホール回避については、本年4月のv14.3アップデートで「今後の改善」として初めて言及されてから6ヶ月以上経ているにもかかわらず、いまだメインのリリースノートに含まれていない。テスラが路面の段差や大きなでこぼこを検出・回避できない根本原因を明かしていないが、突然の路面変化をAIモデルが十分に認識できていないと考えられる。

ナビゲーション機能の問題はより深刻で、システムは奇妙なルートを頻繁に提案し、地域の交通法規を無視することもある。ユーザーの報告では、左折が禁止された住宅街の出口で、システムが約70%の確率で左折を提案し続けているという。一方でテスラは、ドライバーが実際に走ったことのあるルートを優先する「Preferred Routes」機能を導入し、改善を進めている。これにより多くのユーザーが利便性の向上を実感しているとのことだが、駐車場からの脱出時など複雑な状況ではAIが混乱することが残っている。

こうした改善の遅れと実装の複雑さは、自動運転技術がセンサーとAIの協調に深く依存することを示している。ポットホールのような小規模な路面障害の検出には、高精度なセンサーの融合とそれらの情報を処理するAIモデルの精度向上が不可欠である。ナビゲーションの改善も、地図データ、リアルタイム交通情報、地域ルールの学習という多層的な情報統合を必要とする。テスラが半年以上かけて改善を進めているのは、こうした技術的課題が容易には解決しないことを示唆している。

日本の自動車部品メーカーやセンサー製造業にとって、この動向は重要な示唆を含む。自動運転の実装には、センサー精度、AI処理能力、そして実走行データに基づく継続的な改善が必要であり、これらは従来の部品開発とは異なるサイクルを要求する。特に環境認識センサー、制御ユニット、そして継続的なソフトウェアアップデートを支える基盤を持つメーカーが、自動運転社会での競争力を持つと考えられる。

Introduction ends here. Please read the full article at the source.